基于图增强的检索增强问答：电商客户支持中的新方法
计算与语言
2025-09-19 v1 人工智能
信息论
math.IT
摘要
电商客户支持需要快速准确地提供基于产品数据和历史支持案例的答案。本文开发了一种新型检索增强生成（RAG）框架，使用知识图谱（KGs）提高答案的相关性和事实依托程度。我们检阅了知识增强 RAG 和基于大语言模型（LLM）的聊天机器人在客户支持领域的最新进展，包括微软的 GraphRAG 和混合检索架构。我们随后提出了一种新的答案合成算法，将来自特定领域知识图谱的结构子图与从支持档案中检索的文本文档相结合，生成更连贯且有依托的响应。我们详细阐述了系统的体系结构和知识流动，提供全面的实验评估，并在实际场景中论证其设计。我们的实现在电商问答场景中实现了事实准确性提升 23%，用户满意度达到 89%。
引用
@article{arxiv.2509.14267,
title = {Graph-Enhanced Retrieval-Augmented Question Answering for E-Commerce Customer Support},
author = {Piyushkumar Patel},
journal= {arXiv preprint arXiv:2509.14267},
year = {2025}
}